Gemma Tiny Random

🚀 Transformers庫隨機初始化模型

本項目基於transformers庫構建了一個隨機初始化的模型。該模型使用了 [https://huggingface.co/google/gemma-7b-it] 的配置，但規模更小，且採用了float16數據類型。

🚀 快速開始

此模型是隨機初始化的，採用了 [https://huggingface.co/google/gemma-7b-it] 的配置，但規模更小。請注意，該模型使用的是float16數據類型。

代碼示例

from transformers import pipeline
from huggingface_hub import create_repo, upload_folder
import torch
import transformers
import os

model_id = 'google/gemma-7b-it'
save_path = '/tmp/yujiepan/gemma-tiny-random'
repo_id = 'yujiepan/gemma-tiny-random'

config = transformers.AutoConfig.from_pretrained(model_id)
config.hidden_size = 8
config.head_dim = 2
config.intermediate_size = 16
config.num_attention_heads = 4
config.num_hidden_layers = 2
config.num_key_value_heads = 2
print(config)

tokenizer = transformers.AutoTokenizer.from_pretrained(model_id)
tokenizer.save_pretrained(save_path)

model = transformers.AutoModelForCausalLM.from_config(config, torch_dtype=torch.float16)
model = model.half()

pipe = pipeline('text-generation', model=model, tokenizer=tokenizer, do_sample=False, device='cuda')
print(pipe('Hello World!'))

model.save_pretrained(save_path)

# ovmodel = OVModelForCausalLM.from_pretrained(save_path, export=True)
# ovmodel = ovmodel.half()
# ovmodel.save_pretrained(save_path)

os.system(f'ls -alh {save_path}')
create_repo(repo_id, exist_ok=True)
upload_folder(repo_id=repo_id, folder_path=save_path)

📦 安裝指南

原文檔未提及安裝步驟，若要使用此代碼，你需要安裝以下庫：

• transformers
• huggingface_hub
• torch

你可以使用以下命令進行安裝：

pip install transformers huggingface_hub torch

💻 使用示例

基礎用法

# 上述代碼的基礎使用
from transformers import pipeline
from huggingface_hub import create_repo, upload_folder
import torch
import transformers
import os

model_id = 'google/gemma-7b-it'
save_path = '/tmp/yujiepan/gemma-tiny-random'
repo_id = 'yujiepan/gemma-tiny-random'

config = transformers.AutoConfig.from_pretrained(model_id)
config.hidden_size = 8
config.head_dim = 2
config.intermediate_size = 16
config.num_attention_heads = 4
config.num_hidden_layers = 2
config.num_key_value_heads = 2
print(config)

tokenizer = transformers.AutoTokenizer.from_pretrained(model_id)
tokenizer.save_pretrained(save_path)

model = transformers.AutoModelForCausalLM.from_config(config, torch_dtype=torch.float16)
model = model.half()

pipe = pipeline('text-generation', model=model, tokenizer=tokenizer, do_sample=False, device='cuda')
print(pipe('Hello World!'))

model.save_pretrained(save_path)

# ovmodel = OVModelForCausalLM.from_pretrained(save_path, export=True)
# ovmodel = ovmodel.half()
# ovmodel.save_pretrained(save_path)

os.system(f'ls -alh {save_path}')
create_repo(repo_id, exist_ok=True)
upload_folder(repo_id=repo_id, folder_path=save_path)

高級用法

原文檔未提及高級用法相關內容。

🔧 技術細節

該模型隨機初始化，使用了 [https://huggingface.co/google/gemma-7b-it] 的配置，但對配置參數進行了調整，如hidden_size、head_dim等，以減小模型規模。同時，模型採用了float16數據類型，以降低內存佔用。代碼中使用了transformers庫的pipeline進行文本生成任務，並將模型保存到指定路徑，最後上傳到Hugging Face Hub。